هوش مصنوعی صوتی GPT-Live با عملکرد باورنکردنی رونمایی شد + ویدیو

چهارشنبه 17 تیر 1405 - 21:14
مطالعه 3 دقیقه
نسخه صوتی هوش مصنوعی چت جی پی تی در داخل آیفون
اوپن‌ای‌آی حالت صوتی چت‌جی‌پی‌تی را با مدل تازه‌ای به‌روزرسانی کرد که کمتر وسط حرف کاربر می‌پرد و طبیعی‌تر پاسخ می‌دهد.
تبلیغات

اوپن‌ای‌آی حالت صوتی چت‌جی‌پی‌تی را با مدل تازه‌ای بازطراحی کرد که به گفته‌ی شرکت، بیشتر شبیه «صحبت کردن با یک انسان دیگر» رفتار می‌کند. مدل جدید GPT-Live-1 طوری ساخته شده است که کمتر صحبت کاربر را قطع کند و اگر وسط گفت‌وگو مکثی رخ دهد، منتظر بماند تا کاربر دوباره ادامه بدهد. اوپن‌ای‌آی می‌گوید هدف از این تغییر، نزدیک‌تر کردن تجربه‌ی مکالمه به گفت‌وگوی طبیعی میان دو نفر است.

پخش از رسانه

کوندان کومار، پژوهشگر ارشد اوپن‌ای‌آی، جی‌پی‌تی لایو را «هوشمندترین مدل صوتی» اوپن‌ای‌آی تا به امروز توصیف کرده است. کومار گفت این مدل هر زمان که به استدلال یا جست‌وجوی وب نیاز داشته باشد، پرسش‌های کاربر را به بهترین مدل‌های متنی شرکت، از جمله GPT-5.5، منتقل می‌کند تا از مرحله‌ی پژوهش درباره‌ی موضوع مطرح‌شده سریع‌تر به مرحله‌ی توضیح نتایج برسد.

پخش از رسانه

اوپن‌ای‌آی می‌گوید که مدل جدیدش، مکالمه درباره‌ی آب‌و‌هوا و سهام و ورزش را با تصاویر تولیدشده توسط هوش مصنوعی تکمیل می‌کند؛ تصاویری که اطلاعات مرتبطی مانند امتیازهای ورزشی یا پیش‌بینی آب‌وهوای هفته را نشان می‌دهند.

چت‌جی‌پی‌تی پیش‌تر به یک مدل صوتی قدیمی‌تر و نوبتی متکی بود؛ مدلی که همیشه پاسخ‌های دقیق تولید نمی‌کرد و گاهی در حفظ جریان طبیعی گفت‌وگو هم به مشکل می‌خورد.

پخش از رسانه

آتی التی، مدیر محصول اوپن‌ای‌آی، در همین نشست خبری گفت: «این یک مدل دوطرفه‌ی کامل است.» التی افزود: «معنای واقعی‌اش این است که می‌تواند هم‌زمان صحبت و گوش کند... می‌تواند جریان ورودی‌ها را پردازش کند و جریان خروجی را به‌طور پیوسته و هم‌زمان تولید کند.»

نمایی از صفحه گوشی هوشمند که یک نقشه دیجیتال و اطلاعات کافه The Boot Room را نشان می‌دهد.
نمای صفحه گوشی هوشمند که اپلیکیشن هواشناسی شهر دنور را با جزئیات دما و پیش‌بینی وضعیت آسمان نشان می‌دهد.
نمای صفحه نمایش گوشی هوشمند که شامل فهرست کشورها و تاریخ‌های مختلف در اپلیکیشن چت جی پی تی است.

این ساختار تازه، قابلیت‌های جدیدی را برای حالت صوتی چت‌جی‌پی‌تی باز می‌کند و یکی از مهم‌ترین آن‌ها، ترجمه‌ی زنده است. حالا به‌جای آن‌که کاربر مجبور باشد حرفش را تمام کند تا ترجمه آغاز شود، چت‌جی‌پی‌تی می‌تواند هنگام صحبت کردن کاربر هم ترجمه کند.

اوپن‌ای‌آی می‌گوید کاربران اکنون می‌توانند از چت‌جی‌پی‌تی صوتی بخواهند تا وقتی صدایش می‌کنند، ساکت بماند؛ قابلیتی که به گفته‌ی شرکت پیش‌تر ممکن نبود. در چنین حالتی، مدل با عباراتی مانند «اوهوم»، «آره» یا «فهمیدم» نشان می‌دهد که در حال گوش دادن است.

پخش از رسانه

اوپن‌ای‌آی می‌گوید برای ایمنی، سیستم‌های حفاظتی داخلی تازه‌ای هم به مدل افزوده شده که آن را از پاسخ‌های آسیب‌زا دور می‌کند یا در موقعیت‌های «پرخطر» به‌طور کامل گفت‌وگو را می‌بندد. این شرکت در حال حاضر با مجموعه‌ای از شکایت‌ها روبه‌رو است که ادعا می‌کنند چت‌جی‌پی‌تی به شکل‌گیری هذیان در برخی کاربران دامن زده و به سلامت روان آن‌ها آسیب رسانده است.

اوپن‌ای‌آی تأکید کرده که مدل جدید برای گفت‌وگوهای مربوط به خودآسیب‌رسانی، «پشتیبانی تأییدشده توسط متخصصان» ارائه می‌دهد و برای نوجوانان نیز پاسخ‌های «متناسب با سن» تولید می‌کند.

جی‌پی‌تی لایو در حال انتشار برای آی‌اواس، اندروید و وب است. اوپن‌ای‌آی گفته است که این مدل برای مشترکان گو، پلاس و پرو، حالت صوتی چت‌جی‌پی‌تی را تغذیه خواهد کرد و در مقابل، مدل کوچک‌تر و کم‌مصرف‌تر GPT-Live-mini-1 به‌عنوان گزینه‌ی پیش‌فرض برای کاربران نسخه‌ی رایگان در نظر گرفته شده است.

نظر شما درباره‌ی حالت صوتی تازه‌ی چت‌جی‌پی‌تی چیست؟

نظرات